Tesis:
Programación genética de heurísticas para planificación
- Autor: ALER MUR, Ricardo
- Título: Programación genética de heurísticas para planificación
- Fecha: 1999
- Materia: Sin materia definida
- Escuela: FACULTAD DE INFORMATICA
- Departamentos: INTELIGENCIA ARTIFICIAL
- Acceso electrónico:
- Director/a 1º: BORRAJO MILLAN, Daniel
- Director/a 2º: ISAI VIÑUELA, Pedro
- Resumen: El objetivo de esta tesis doctoral es la utilización y extensión de técnicas de programación genética para el aprendizaje automático de conocimiento de control para planificación independiente del dominio de manera autónoma o en colaboración con otras técnicas de aprendizaje. Genéricamente hablando, la planificación consiste en encontrar la secuencia de pasos (el plan) que hay que dar para que, partiendo de un estado inicial dado, se cumplan determinados objetivos. En general, encontrar un plan correcto para un problema determinado es un problema "NP-completo". Una solución propuesta por la IA a este problema es añadir conocimiento adicional (de control) al planificador utilizando técnicas de aprendizaje automático. Ninguno de los sistemas propuestos hasta el momento resuelven el problema de la planificación por completo (es decir, que el planificador resuelva todos los problemas, de la manera más eficiente posible, tanto en tiempo como en espacio, y obteniendo planes que maximicen determinadas medidas de calidad). Por ello existe todavía una fuerte motivación para proponer y estudiar nuevas técnicas que acerquen más a dicho objetivo. La motivación de utilizar PG es doble. Por un lado se pretende explorar el espacio de conocimiento de control de una manera menos sesgada que otros sistemas de aprendizaje automático. Además, se pretende que la búsqueda considere al planificador de una manera global, incluyendo la teoría del dominio, la búsqueda en el espacio de planificación y todas las consideraciones de eficiencia y eficacia al mismo tiempo. En segundo lugar, se pretende utilizar la flexibilidad con la que se pueden definir los sesgos de aprendizaje en PG para añadir estos sesgos a otros sistemas de aprendizaje que no dispongan de ellos. En el caso de esta tesis, se utilizará PRODIGY4.0 como planificador base y HAMLET COMO método de aprendizaje al que se le quieren añadir algunas características y sesgos que no posee inicialmente. Dicho con otras palabras, se pretende superar algunas de las limitaciones de HAMLET utilizando PG. Además del objetivo principal de la tesis (el aprendizaje de conocimiento de control con PG), se quiere diseñar y experimentar con métodos para añadir conocimiento de fondo a la PG sin modificar substancialmente su modo de funcionamiento. El primer método experimentado es el sembrado de la población inicial con individuos procedentes de otros sistemas de aprendizaje (éste es realmente el sistema multiestrategia EVOCK-HAMLET). En segundo lugar, se ha diseñado un nuevo operador genético (el operador apoyado en ejemplos) que es capaz de utilizar ejemplos como punto de partida. Para la validez de los métodos propuestos, se ha realizado una fase experimental muy extensa seguida de validación estadística y análisis